Python pandas groupby 对象应用方法添加索引

Question

我有这个问题是阅读"Python pandas groupby object apply method duplicates first group"后的扩展。

我得到了答案，并自己尝试了一些实验，例如：

import pandas as pd
from cStringIO import StringIO
s = '''c1 c2 c3
1 2 3
4 5 6'''
df = pd.read_csv(StringIO(s), sep=' ')
print df
def f2(df):
    print df.iloc[:]
    print "--------"
    return df.iloc[:]
df2 = df.groupby(['c1']).apply(f2)
print "======"
print df2

按预期给出：

   c1  c2  c3
0   1   2   3
1   4   5   6
   c1  c2  c3
0   1   2   3
--------
   c1  c2  c3
0   1   2   3
--------
   c1  c2  c3
1   4   5   6
--------
======
   c1  c2  c3
0   1   2   3
1   4   5   6

但是，当我尝试只返回 df.iloc[0]:

def f3(df):
    print df.iloc[0:]
    print "--------"
    return df.iloc[0:]
df3 = df.groupby(['c1']).apply(f3)
print "======"
print df3

，我得到一个额外的索引：

   c1  c2  c3
0   1   2   3
--------
   c1  c2  c3
0   1   2   3
--------
   c1  c2  c3
1   4   5   6
--------
======
      c1  c2  c3
c1              
1  0   1   2   3
4  1   4   5   6

我进行了一些搜索并怀疑这可能意味着采用了不同的代码路径？

Answer 1

区别在于iloc[:] 返回对象本身，而iloc[0:] 返回对象的视图。看看这个：

>>> df.iloc[:] is df
True

>>> df.iloc[0:] is df
False

不同之处在于，在 groupby 中，每个组都有一个反映分组的name 属性。当您的函数返回具有此 name 属性的对象时，不会将索引添加到结果中，而如果您返回没有此 name 属性的对象，则会添加一个索引来跟踪每个对象来自哪个组。

有趣的是，您可以强制在返回之前通过显式设置组的name 属性来强制 iloc[0:] 的iloc[:] 行为：

def f(x):
    out = x.iloc[0:]
    out.name = x.name
    return out

df.groupby('c1').apply(f)
#    c1  c2  c3
# 0   1   2   3
# 1   4   5   6

我的猜测是，命名输出的无索引行为基本上是一种特殊情况，旨在使 df.groupby(col).apply(lambda x: x) 成为无操作。